Санкт-Петербургский государственный политехнический университет. — Включить отображение пробок на дорогах. — Направляет автомобили в один из пяти выходных портов в зависимости от вероятностей.


Чтобы посмотреть этот PDF файл с форматированием и разметкой, скачайте его и откройте на своем компьютере.
1


Санкт
-
Петербургский государственный политехнический
университет
Институт информационных технологий и управления
Высшая школа программной инженерии


Работа допущена к
защите

И.О. директора ВШПИ







П.Д. Дробинцев

«


»








2017 г.


ВЫПУСКНАЯ РАБОТА БАКАЛАВРА

Тема:

"

Оптимизация транспортных потоков города с
использованием имитационного моделирования.
"

Направление:

09.03.04


Программная инженерия

Специальность:

09.03.04_01


Технологии разработки и
сопровождения качественного программного продукта


Выполнил студент гр. 43504/1



Евдокимов А.Ю.

Руководитель





Коликова Т. В.


Санкт
-
Петербург

2017


2


Реферат


В работе рассматривается вопрос оптимизации транспортных
потоков города с использованием имитационного моделирования.
Проведен обзор подходов к решению задач данного типа. На
основе проведенного обзора
был реализован ряд моделей
позволяющих
оптимизировать т
р
анспортные потоки города.
Решение основа
но на создании модели, разработанной

в среде
разработки
AnyLogic
.

Данная работа содержит рекоме
ндации для
оптимизации транспортного потока города.

В работе описывается
архитектура предложенного решения и его реализа
ция.

Ключевые слова: имитационное
моделирование, оптимизация,
транспортный поток,
AnyLogic
.












3


Abstract


The paper considers the optimization of city traffic using simulation.
The review of approaches to the solution of problems of this type is
carried out. Based on the survey, a number of models were implemented
that allowed to optimize traffic flows of the city.The solution is based on
the creation of a model developed in the AnyLogic development
environment. This paper contains recommendations

for optimizing the
city's traffic flow. The paper describes the architecture of the proposed
solution and its implementation.

Key words: simulation, optimization, transport flow, AnyLogic.











4


Оглавление

Список обозначений

................................
................................
...

6

Введение

................................
................................
......................

8

1.Обзор решений для оптимизации транспортных потоков
города

................................
................................
.........................

10

1.1Сущ
ествующие подходы для оптимизации
транспортных потоков.

................................
.........................

11

1.1.1
Яндекс.Пробки

................................
..........................

11

1.1.2.Метод основанный на математическом
моделировании с использованием имитационной модели

................................
................................
.............................

17

1.1.3
Среда облачных вычислений CLAVIRE

.................

27

1.2
Преимущества и недост
атки альтернатив

.....................

29

1.3.
Выбор способа решения

................................
.................

30

1.
4.
Методика имитационного моделирования

...................

32

1.5
Обзор инструментов агентного моделирования

...........

34

1.
6
.
Пример инструментов моделирования

.........................

35

1.
7
.
Выбор инструментария для разработки

........................

37

2.
Уточненная постановка задачи

................................
.............

38

3.
Выбор способа решения

................................
........................

39

4.Ре
ализация модели в среде
Anylogic

................................
....

40

4.1.Исследование имитационной модели

...........................

43

4.2.Модель 1(ст.м.Академическая)

................................
......

45

4.3.Модель 2(ст.м. Пл.Мужества)

................................
........

50

5


4.4.Модель 3(ст.м.Невский Проспект)

................................

55

4.5.Рекомендации на основе полученных данных

.............

58

Заключение

................................
................................
................

61

Список иллюстраций

................................
................................

62

Источники

................................
................................
..................

64












6


Список обозначений

Агент


для данной задачи это автомобиль, в общем смысле это
объект который участвует в моделировании

-

Создает автомобили
и пытается поместить их в
указанное место

дорожной сети.

-

Удаляет машины из модели.



-

Блок, который управляет движением автомобиля

-

Моделирует светофор

-

Включить отображение пробок на дорогах.

-

Направляет автомобили в один из пяти выходных
портов в зависимости от вероятностей.


7


-

Выполняет обычный статистический
анализ добавляемых значений

-

Используются для задания статических
характеристик светофора


-

Перекресток


-

Соединитель полос


-

Стоп
-
линия






8


Введение

Развитие транспортной
инфраструктуры больших городов
нуждается в создании интегрированных систем управления,
которые позволяют определить оптимальные параметры

для
движения транспорта при изменчивости дорожной обстановки.

Данная работа р
ассматривает проблему оптимизации
транспортного потока города с использованием имитационного
моделирования.

Моделирование


способ решения задач, в котором
исследуемая система заменяется на более простой объект, который
описывает реальную систему и называ
ется моделью.
Моделирование используется тогда, когда реализация
экспериментов с реальной системой невозможно или
нецелесообразно.

Имитационная модель


это компьютерная программа,
описывающая структуру и воспроизводящая поведение
существующей системы. Да
нная модель позволяет получить
всеобъемлющую статистику о разнообразных аспектах работы
системы в зависимости от вводимых параметров.

Имитационное моделирование


разработка компьютерных
моделей и постановка экспериментов на них
. В итоге целью
моделирован
ия является выработка целесообразных решений на
основе полученных данных в ходе работы модели.

9


В работе по оптимизации транспортных потоков будут
учитываться несколько факторов влияющих на загруженность
дорог: среднее время нахождения в системе автомобиля,

время
работы светофора в каждой из фаз (красный/зеленый), количество
автомобилей в системе, интенсивность транспортного потока. Эти
параметры будут отслеживаться и на основе этих данных будут
приняты решения для оптимизации поставленной задачи.

В итоге
бу
дут предложены рекомендации по оптимизации
транспортных потоков города, которые можно использовать на
реальном примере.









10


1.
Обзор решений для оптимизации транспортных потоков
города


Проблема оптимизации транспортных потоков города
является
актуальной по ряду причин:

1.

Увеличение количества автомобилей
, что
сказывается на загруженности дорог.

2.

Увеличение

количества ДТП

и шанса их
возникновения
.

3.

Чрезмерные затраты

денежных средств на

перестройку или

строительство дополнительных
участков дорог.

4.

Проведения реальных корреляций для
оптимизации транспортных потоков могут
привести к авариям на дорогах.

Далее приводятся некоторые из возможных решений для
о
птимизации транспортных потоков.







11


1.1
Существующие подходы для оптимизации транспортных
потоко
в.


1.1.1
Яндекс.Пробки
[
1
]


Яндекс.Пробки информирует посетителей ресурса о
загруженности автомагистралей. Делая это, сервис собирает
информацию из разных источников о ситуации с трафиком на
улицах, анализирует её и показывает на Яндекс.Картах. В
мегаполисах, где пробки каждый год наносят значительный урон
экономике, отнимая у людей по нескольку часов в день,
рассчитывается балл пробок


средний уровень загруженности.
Для понимания работы сервиса необходимо проанализировать весь
путь


от реального

положения на автомагистралях до
отображения этой информации на Яндекс.Пробках. Во
-
многом
сбору информации о пробках помогают сами водители. Именно так
и устроен данный ресурс.


Источники данных

Для наглядности представим, что мы с вами


ДТП на
пересечении проспекта Маршала Блюхера и Кондратьевского
проспекта. Из
-
за аварии встало два ряда из трёх Автомобилисты,
двигавшиеся по тем рядам, которые мы перегородили, вынуждены
объезжать аварию, а водит
ели, которые ехали по третьему ряду,


пропускать тех, кто объезжает. Среди них есть пользователи
приложений Яндекс.Карты и Яндекс.Навигатор, и их мобильные
12


устройства передают Яндекс.Пробкам информацию о движении
транспортного средства. По мере приближен
ия автомобиля
пользователей данных ресурсов к ДТП скорость их машин будет
уменьшаться, и устройства начнут информировать сервис о пробке.

Через небольшой промежуток времени, буквально несколько
секунд мобильно устройство водителя посылает географические
ко
ординаты, скорость движения и направление в компьютерную
систему сервиса Яндекс.Пробки. Данные абсолютно анонимны и не
содержат никакой информации о водителе или автомобиле. Далее
программа
-
анализатор строитмаршрут движение вместе с
показателями скорости д
вижения по данному маршруту


трек.
Треки поступают так же и от машин компаний
-
партнеров Яндекса
(организации с большим парком автомобилей, курсирующих по
городу).

Так же, кроме координат водители могут сообщать сервису
дополнительную информацию о ремонтных

работах, авариях или
иных дорожных происшествиях
(Рис.1)
. К примеру любой водитель,
заметивший происшествие на проспекте маршала Блюхера может
поставить точку в мобильном приложении Яндекс.Карты.

13



Рис.
1



При определении координат
GPS

приёмниками могут
возникать погрешности в координатах. Из
-
за погрешности
автомобиль может сдвинуться в любую сторону,
например на
другую полосуили в воду
. Электронная схема города, на которую
поступают координаты от водителей,

изображена очень детально:
она показывает все здания, водоёмы, автомобильные магистрали и
улицы с дорожной разметкой и иные городские объекты. Благодаря
такой точности программа рассчитывает как на самом деле
двигалось транспортное средство. Е
сли в реальн
ости машина не
может выезжать

на встречную полосу или повернуть не по
дорожной разметке, срезая угол, программа это учтёт
(Рис.2)
.




14














Для корректного отображения дорожной ситуации необходимо
проверить соответствует ли трек реальной ситуации на дороге.
Пользователи мобильных Яндекс.Карт могут останавливаться или
замедляться не из
-
за пробки, а, для покупки чего
-
нибудь в
магазине, или чтобы

не пропустить важный поворот. Однако, если
рядом с данным автомобильным средством будут двигаться другие,
то этот трек будет исключён алгоритмом, как не соответствующий
реальной ситуации. Поэтому, чем больше
людей пользуются
данным сервисом
, тем точнее ин
формация о ситуации на дорогах.

После происходит объединение треков, которые программа сочла
достоверными, и выставление маркеров «зелёных», «жёлтых»,
«красных», отображающих графическое представление о дорожной
ситуации.


Рис.
2

15


Объединение данных

Далее следует

агрегация


процесс объединения информации. Раз
в две минуты программа
-
агрегатор, как пазл, собирает всю
информацию от пользователей в единую схему. Данная
схема
(Рис.3)
графически отображается на слое «Пробки»
Яндекс.Карт


как в мобильном приложении, так
и на веб
-
сервисе.


Рис.
3


Шкала баллов

В Москве, Санкт
-
Петербурге, а так же других больших городах
сервис Яндекс.Пробки оценивает ситуацию по 10
-
балльной шкале
(0 баллов


движение без ограничений, а 10 баллов


движение
практически невозможно)Благодаря этой оценке водители могут
понять на каки
х именно участках дороги возникли пробки, сколько
времени они потеряют на их преодоление, и как им лучше
выстроить маршрут. Например, если средний балл по Новгороду
равен восьми, то дорога займёт приблизительно в два
-
два с
16


половиной раза больше времени, че
м при движении без
ограничений.

Шкала баллов для разных городов по
-
разному отрегулирована и
учитывает развитость наземной инфраструктуры. Например, в
Санкт
-
Петербурге
и 6

баллах водитель
оказывается в том же
положении что и водитель из Москвы
только при
5
.

Баллы рассчитываются таким образом. По магистралям всех
городов заранее составлены маршруты, в которые добавлены
основные шоссе и проспекты. Для всех маршрутов
существует
усредненное

время, за которое его можно
преодолеть

по
свободной дороге, не нарушая пра
вил.
При оценке

общей
загруженности города
, программа
агрегатор
производит расчет
, на
сколько отличается реальное время от
усредненного
.
Составляется
разница

по
проложенным
маршрутам и вычисляется
нагрузка на
дорогу

в баллах.

17



Рис.
4

Цикл работы сервиса Яндекс.Пробки


1.1.2.
Метод основанный на математическом моделировании с
использованием имитационной модели

Динамическая модель автомобиля

В процессе моделирования транспортного потока
транспортным средствам присвоен обозначение, соответствующее
их месту в транспортном потоке (рис.1). Положим, что ускорение
автомобиля
i

обуславливается состоянием автомобилей следующих
перед ним и за ним в пот
оке. Динамические показатели
i

автомобиля больше всего зависят от автомобиля следующего за
нами, обозначенного как
i
+1. Назовём данное транспортное
18


средство «лидирующим», а все остальные микромодели


моделями «следования за лидером»


Рис.
5
Расположение автомобиля в транспортном потоке


Систему движения автомобилей в потоке можно отобразить
системой дифференциальных уравнений
(Рис.6,7)
:


Рис.
6

Модель «разумного водителя»
-

это наиболее популярная из
макромоделей.

Эта модель обеспечивает
реалистическое поведение
автомо
биля, как при разгоне, так и при торможении.


модели IDM считается, что ускорение автомобиля зависит от
трех основных параметров:

19



Рис.
7

Алгоритм разъезда
автомобилей

Правила проезда нерегулируемых перекрёстков относятся к
самое трудной части правил дорожного движение


ПДД. В них
включаются так же перекрёстки с круговой организацией.

Правила указывают на то, что автомобилю необходимо
продолжать движение до

пересечения его линии движения, до
линии движения другого автомобиля, после чего одному из
транспортных средств необходимо прекратить двигаться и дать
дорогу другому. То какой автомобиль должен остановиться зависит
от конкретного перекрестка и организации

транспортного потока
на нём.

Чтобы вычислить помехи, необходим будет алгоритм,
основанный на проверке: принадлежат ли точки многоугольнику.

В данном примере приведён прямоугольник P = {p1, p2, p3,
p4} и какая
-
то точка «B» (рис.2). Задача
-

определение
при
надлежности точки «B» этому прямоугольнику. Примем
20


допущение, что при создании модели все координаты автомобилей
установлены. Здесь это точки «A» и «B». Координаты
прямоугольника Р рассчитываются для местоположения
автомобиля A(x, y) (при этом используются

его координаты), по
значениям сторон прямоугольника, которые известны.

Определяем точки, где отрезок «АВ» пересекает
прямоугольник Р, и их количество. Точка «В» находится вне
пространства прямоугольника, когда данная цифра это чётное
число. В ином случае
точка «В» находится внутри прямоугольника


тогда система образует событие «помеха справа».



Рис.
8

Схема разъезда АТС


Принятие такой схемы моделирования разъезда АТС на
нерегулируемом перекрёстке обуславливает соблюдение условий
указанных ниже:



все транспортные средства сами определяют когда им нужно
остановиться или двигаться, следуя полученной информации
21


на перекрёстке (точно так же как в реальности водитель
определяет своё поведение в соответствии с информацией
визуально доступ
ной ему);



возможно появление длинных пробок, приводящих к
длительным заторам движения;



в данной модели невозможно столкновение транспортных
средств (визуального наложения изображений машин).

Пример моделирования

Цель эксперимента
-

определениеуровней
обслуживания
нерегулируемых перекрёстков с кольцевой системой движения
транспорта. Объектом исследования стало кольцевое пересечение
Дачного проспекта и проспекта Ветеранов на юго
-
западе Санкт
-
Петербурга. План перекрёстка


спутниковый снимок 2012 г.

Часть

результатов создания модели при невысокой
интенсивности входных транспортных потоков, которая
соотносится с уровнем обсл
уживания С, представлена на Рис.9,10.
Автомобилям, движущимся во второстепенном потоке, необходимо
пропускать значительное число машин,

едущих по главному
направлению. При этом увеличивается задержка. Рядом с
пересечением начинает появляться пробка из автомобилей. Она
,однако, ни по своему размеру ни по периоду существования не
является значительной помехой движению.



На рис.
10

представ
лен снимок сотого такта создания модели. Все
въезды на перекрёсток снабжены окнами, указывающими
параметры, изменяющиеся


22


На каждом въезде перекрестка имеются окна, отображающие
динамически изменяющиеся параметры: количество АТС
прошедших на этот въезд. Дл
я северного и восточного это
следующие параметры:




длина пробки;



количество АТС прошедших на данный выезд;



задержка в движении АТС, выехавшего с перекрестка через
выезд в относительных единицах;



задержка суммарная в движении АТС,выехавших с
перекрестка
через выезд в относительных единицах;



средняя задержка в движении АТС, выехавших перекресток
через данный выезд в относительных единицах;


рис.
9

представлены графики изменения параметров в
процессе создания модели:



rootNorthOut


интенсивность насевером
выезде в
относительных единицах;



rootEastOut
-

интенсивность на восточном выезде в
относительных единицах;



rootTauEW


задержка в движении АТС въехавшего на
западный въезд и выехавшегос перекрестка через восточный
выезд в относительных единицах;



rootTauEWa
ver


средняя задержка в движении АТС
выехавшегос западного въезд и покинувшего перекресток
через восточный выезд в относительных единицах;



rootW
-
length


длина пробки АТС на западном выезде в
относительных единицах;



rootS
-
length


длина пробки АТС на
южном выезде в
относительных единицах.

23


Часть результатов создания модели при невысокой интенсивности
входных транспортных потоков, которая соотносится с уровнем
обслуживания F
.

В течении длительного периода интенсивность въезда на
перекрёсток становится

больше, чем пропускная способность
похода. Появляется вытянутая пробка из автомобилей,
увеличивающаяся с течением времени. Задержки в таком случае
достигают значительных значений. Такую проблему возможно
решить только сильно понизив интенсивность въезда н
овых машин.
Пока этого не сделано перекрёсток считается перезагружен, а
потоки перенасыщены.


Программная реализация

Для выполнения проекта использовался язык
программирования
Java

в среде Java в среде разработки
приложений уровня предприятия BorlandJBui
lder X Enterprise 10.
Он был выбран потому что с помощью него возможно создавать
объектно
-
ориентированные программы, с описанием их поведения
при помощи событий и входных или выходных переменных.


Назначение программы:



сопоставление различных вариантов
организации дорожного
движения;



увеличение пропускной способности автомагистралей;



снижение количества заторов;



организациятранспортныхпри повышенной загруженности
перекрёстка;

24




создание моделейпробок на нерегулируемых перекрестках в
крупном городе в усло
виях интенсивных транспортных
потоков.

Определяются такие параметры, как суммарная задержка, средняя
задержка, длина пробки, интенсивность движения, количество
транспортных средств.

Большое значение в управлении дорожным движением занимает
дорожная разметк
а. Разметка
-
это надписи, линии и иные
обозачения на проезжей части и элементы дорожных конструкций,
определяющие режим движения. Это одно из самых доступных
средств управления движением.

Используя разные схемы движения автомобилей и схемы
разметки, было пр
оведено имитационное моделирование
кольцевого пересечения дорог Юг
-
Север и Запад
-
Восток. Была
оценена пропускная способность кольцевых перекрёстков
-

максимальная интенсивность движения на всех въездах при
постоянной интенсивности трафика на кольце и
неизме
ннойпробкитранспортных средств на въезде.

При усилении интенсивности трафика на одном въезде, до
предельной пропускной способности последует неизбежное
увеличение интенсивности на кольце перед другими въездами, что
в свою очередь приведёт к тому, что пропу
скная способность
остальных въездов снизится

Из этого можно сделать вывод, что пропускная способность
всего кругового перекрёстка неизменно ниже, чем пропускная
способность въездов. Пропускная способность кругового
перекрёстка рассчитывалась исходя из данн
ых условий:

25




прирост интенсивности всегда константа



распределение потока по разным направлениям
неизменно.


Дорожные знаки


самые несложные, но в то же время
эффективные средства организации движения. Их разумное
применение может исключить необходимость пр
именять более
дорогостоящие средства. Правильное сочетание дорожных знаков с
остальными достаточно простыми техническими решениями,
например, с разметкой проезжей части, позволяет решать задачи
организации движения на нерегулируемых круговых перекрестках.
Наиболее высокая пропускная способность, при одинаковых
принципах организации движения, обеспечивается
преимущественным правом проезда по кольцу.


Рис.
9
Результаты моделирования при средней интенсивности
входных транспортных потоков

на западном и южном
въездах
(уровень обслуживания С)

26



Рис.
10
Скриншот сотого такта моделирования при средней
интенсивности входных транспортных потоков


Рис.
11
Результаты моделирования при высокой интенсивнос
ти
входных транспортных потоков на западном и южном въездах
(уровень обслуживания F)

27



Рис.
12
Скриншот сотого такта моделирования при высокой
интенсивности входных транспортных потоков



1.1.3
Среда облачных вычислений CLAVIRE
[
2
]

Данный аппарат оптимизации основан на матиматическом
моделировании, в котором используется модель оперативного
прогноза транспортной нагрузки(перекрестки). Для построения
таких моделей требуется разрешить три взаимосвязанные задачи: 1)
Характеристика среды



транспортная сеть;2) Расчетать
характеристики движения;3) Оптимизировать условия движения.

28


Реализация
подобных решений производится в
высокопроизводительном программном комплексе (ВПК), который
функционирует в среде облачных вычислений. ВПК обеспечивает

необходимый доступ к ресурсам для построения моделей,
мультиагентного моделирования, а также решения задачи
оптимизации транспортного потока в постоянно изменяющихся
условиях дорожного трафика.


Рис.
13

Схема функционирования ВПК

Масштабируемость и экономическая эффективность

ВПК позволяет одновременно моделировать до 500 тысяч агентов
для транспортной сети. Благодаря этому можно реализовывать
моделирование транспортного потока города
-
миллионника. При
этом главным преимуществом явл
яется возможность
масштабирования вычислений исходя из поставленных условия
.
29


Для обеспечения достаточной масштабируемости в ВПК был
осуществлен последовательный запуск процессов моделирования с
разным числом агентов и на разном числе вычислительных
ресурс
ов в режиме максимальной загрузки транспортной сети.

Экономическая эффективность использования ВПК основана на
выработке прогноза
за

10 минут

вместо прямого моделирования
которое занимает 3 часа

и распределения транспортной загрузки.

1.2
Преимущества и
недостатки альтернатив


Яндекс.Пробки и Google.пробки являются системой исполняемой в
реальном времени, что безусловно является их
преимуществом.
Таким образом пользователи данных сервисов
являются

непосредственным участником оптимизации
транспортного поток
а


сами решают каким маршрутом им следует
ехать чтобы добраться до пункта назначения.

Что касается их
недостатков, то к ним относятся неявная оптимизация
транспортной ситуации на дорогах, а также нет возможности в
полной мере улучшить ситуацию на дорогах
.

В противовес этому среда облачных вычислений
CLAVIRE
обладает всем необходимым для явной оптимизации
транспортного потока, но данному продукту не хватает
возможности исправлять ситуацию на дорогах в реальном времени,
а также необходимость в ВПК также
затрудняет работу с данной
системой на маломощных компьютерах.

Метод основанный на математическом моделировании с
использованием имитационной модели практически не отличается
от среды облачных вычислений
CLAVIRE
и имеет т
о же
преимущество, но с меньшими требованиями к использованию(не

30



нужен ВПК). Что касается недостатков, то в данном методе нет
возможности влиять на дорожную ситуацию в реальном времени, а
так же для данного метода реализации ограничен функционал.




1.3.
Выбор способа решения


Реализация оптимизационной модели в реальном времени
является нецелесообразной , т.к. при решении задачи оптимизация
параметры модели будут изменяться в зависимости от проведенных
тестов что непосредственно отразилось бы на дорожной
ситуации.


Для выработки оптимальных параметров для улучшения
ситуации на дорогах города следует раз за разом запускать
модели
рование с различными параметрами, основанными конечно
же на реальных.

Так же следует обратить внимание на наглядность
решения, по
которому в ходе работы модели можно сразу увидеть,
где возникает «затор». Что в свою очередь упрощает

возможность
корреляции модели.

На пример возьмем участок дороги
(Рис.14)
:

31



Рис.
14

Наглядный вариант загрузки участка дороги

Здесь сразу видно где будет наиболее загруженный участок дороги,
а это значит что сразу можно скорректировать свою работу
для
разгрузки этого участка.

32


1.4.
Методика имитационного моделирования


Дискретно
-
событийное моделирование

В данном подходе
предлагается абстрагироваться от
непрерывной природы событий и рассматривать только основные
события создаваемой системы. Дискретно
-
событийное
моделирование наиболее развито и обладает обширной сферой
предлагаемых приложений


начиная от систем массового
обслуживания и логистики до производственных и транспортных
систем. Данный тип моделирования является самым очевидным для
реализации производственных процессов
.


Дискретно
-
событийное моделирование
свойственно

системам обслуживания потоков объектов: пешеход
ов, посетителей
музеев, автомобилей перед светофором и т.п. Именно такие
системы называются системами массового обслуживания. В основе
данного метода моделирования лежит концепция заявок, потоков
диаграмм и ресурсов.


Агентное моделирование

На рубеже 20
-
21

столетия появился данный вид
моделирования. Является одним из направлений имитационного
моделирования, в котором для исследования децентрализованных
систем, где динамика функцианирования руководствуется не всем
правилами и законами(в отличии от остальных

теориях
моделирования
)
, а по другому, само является глобальным правилом
и законом. В отличии от систематической динамики, фактически
объект разработчик задает модель поведения агентов, в свою
очередь глобальная реакция будет представляться как деятельность

множества объектов(агентов).

33


На данный момент системы мультиагентного
моделирования обладают широким кругом применения: логистика,
игровые системы, телекоммуникации, транспортные системы,
промышленные системы для управления и контроля
, защита
информации,
эпидемиология и т.д. В результате агент может
взаимодействовать с другими агентами или со средой, что ему и
предстоит делать на протяжении выполнения всего процесса
моделирования.

Реализацией агента в программной среде является объект
класса. В отличии от
обычного объекта агент обладает рядом
отличий: 1) Агент обладает характеристиками пресущими объекту
реального мира;2) Для агента, при обмене данными друг с другом
производится сложный процесс переговоров для принятия
решений, в то время как при обмене
меж
д
у объектами происходит
вызов методов.


Для решения поставленной задачи был выбран агентный
метод, по ряду причин:

1)

Данный вид моделирования
универсальный.

2)

Является мощным подходом, при котором
возможно оперировать сложными структурами и
реализовывать
разнообразные виды поведения
агентов.

3)

При отсутствие знаний о зависимостях(любого
типа, даже глобальных), возможно провести
моделирование.

4)

Для внесения изменений достаточно находится на
локальном уровне моделирования, что за частую
не требует глобальных из
менений
, в чем и
выражается простота агентного моделирования


34


1.5
Обзор инструментов агентного моделирования




Для разработки мультиагентных систем, используются
специализированное программное обеспеченье, которое содержит
средства для описания
агентногоповидения и состояния среды,
контроля и управления процессами модели, а также их
взаимодействия.


Сегмент разработки ПО для
мультиагентного
моделирования обладает большим разнообразием данного
программного обеспеченья. Часть такого ПО представляет

отдельные среды разработки(
AnyLogic
,
), другие являются
расширением для другой среды(
JADE
,
ABLE
).


Круг возможностей такого ПО, определяется степенью
взаим
одействия с разработчиком системы. Например для
обучающих целей, где возможности такого ПО огра
ничены, но
простота в реализации моделирования компенсирует данный
недостаток.

Для специализированных нужд, предоставляется ПО с
ра
сширенным функционалом, но с ограниченными возможностями
в администрировании данного продукта.

В ходи исследования предметной

области данной задачи,
следует выделить ряд требований для ПО с помощью которого
будет производится реализация предложенной задачи:

1)

Агентный подход к моделированию

2)

Наличие документации достаточной дляосвоение
функционала системы в короткий срок.

3)

Доступность ПО(платное или бесплатное)

35


4)

Функционал который предоставляет ПО
, можно
использовать в достаточной мере для реализации
модели.

5)

Возможность графического представления модели.

6)

Возможность быстро ориентироваться в коде или в
модели при возникновении

ошибок.

7)

Возможность отслеживать работы модели в реальном
времени.


1.
6
.
Пример инструментов моделирования


На данный момент рынок имитационных инструментов имеет
широкий спектр ПО для моделирования транспортного трафика на
микроуровне. Примером служит [
3
], где приведено более 30
возможных
вариантов имитационного инструментария для
моделирования транспортных узлов. Среди них такой
инструментарий, как
PLANSIM
-
T
,
FLEXYT
-
II
,
IHSDM
,
VISSIM
,
PARAMICS
,
AIMSUN
,
AUTOBAHN
и др. Список такого
инструментария постоянно

расширяется. Большинство
наименований отличает высокий уровень сложности,
интерфейс с
удобной навигацией и широким спектром возможностей, которые
предоставляются для проектирования, моделирования,оптимизации
и анализа транспортного потока.


AIMSUN
(
TransportSimulationSystem
)
-

представляетсобойсоставнуючасть имитационной среды
GETRAM
/
AIMSUN
, которая обладает полноценным комплексом
инструментов для моделирования дорожного трафика. Данный
пакет реализует задачи развития и анализа систем контроля
трафика
. Предназначение данного инструментария является
моделирование городского транспортного трафика, кольцевых
дорог, дорожных разветвлений, автострад. Имеется возможность
36


управлять светофором, управлять интенсивностью
дорожного
трафика. Данный пакет является

специализированным, поэтому
ориентирован, в первую очередь на специалистов в сфере
транспорта.


IHSDM
(
InteractiveH
)
-

являетсянабороминструментов, которыенеобходимы для анализа
эффективности транспортных сетей и их безопасности. Данн
ый
инструментарий содержит модули, с помощью которых можно
предсказать ДТП, планировать транспортные сети, а также
анализировать дорожный трафик.


MITSIM

(
MITSIMLab
)
-

инструментарий с
возможностями анализировать и планировать трафик на
микроуровне.
Благодаря
MITSIM

возможно представлять
транспортную сеть
с большой точностью. Управляющими
элементами являются: компоненты, которые необходимы для
моделирования сети с высокой детальностью; компоненты,
необходимые для прокладки маршрута следования на основе

матрицы и вероятностного распределения; компоненты, для
определения поведения водителя.


TRANSIMS



ряд инструментов имитационного пакета,
который нацелен на управление трафиком, анализ пробок,
обеспечение безопасности на дороге.


VISSIM

пакет с большим
функциональным
инструментарием. Реализует анализ, оптимизацию и реинженеринг
городских транспортных потоков. Предоставляет возможность
моделирования перекрестков любого уровня сложности и
регулирования, дает возможность анализировать пропускную
способность

дорожного трафика и тестировать его. Делает
возможным управление системами контроля прокладки маршрутов
и отслеживать поступающий трафик. Ограничений данный пакет
практически не имеет, разве что он ограничен возможностями
37


вычислительной машины. Возможно с

высокой детальностью
реализовать модель с всеми возможными элементами
дороги(пешеходный переход, светофор, ст
оп
-
линии, стоянками и
т.п.
)
, а также с участникам дорожного движения(автомобили,
пешеходы, трамваи, велосипеды, поезда и т.п.). Для всех видов
уча
стников движения реализована возможность
параметризованного изменеия(интенсивность, размер, скорость,
ускорение, торможение и т.п.)

1.
7
.
Выбор инструментария для разработки


Для решения задачи по оптимизации транспортного потока
было решено использовать сре
ду разработки AnyLogic. Причинами
по которым было решено использовать именно эту среду
разработки являются:

1)

Простая навигация в элементах модели.

2)

Наличие исчерпывающей информации об элементах
моделирования.

3)

Обширная библиотека элементов моделирования.

4)

Возможность

получить версию
ПО
, обладающую
достаточным функционалом для реализации глобальных
решений.

5)

Код генерируется на языке
Java
.

6)

Возможность создать графическое представление модели.

7)

Быстрота в отслеживании ошибок реализации, как
модельно, так и на ур
овне кода.

8)

Наглядность реализации.




38


2.
Уточненная п
остановка задачи


Для оптимизации транспортного потока с помощью
имитационного моделирования

требуется в системе
AnyLogic
реализовать имитационную модель участка дорожной
сети, где из одного конца дороги в

другой будут поступать
автомобили. На их пути будут встречаться светофоры. В итоге
автомобиль должен пройти свой путь за минимальное количество
времени двигаясь в потоке других автомобилей поступающих на
дорогу с различной интенсивностью.

В реализованной
модели есть возможность:

1)

Следить за количеством автомобилей в системе и
отслеживать количество автомобилей вышедших из неё.

2)

Возможность контролировать фазы(время работы)
светофоров.

3)

Провести опыт оптимизации(усреднения времени работы
светофора).

4)

Наблюдать
проблемные участки дороги во время работы
модели.

Так как данная работа не просто учебная реализация, а вполне
является рабочей моделью результаты которой можно использовать
на реальной модели, то принято решения не реализовывать
интерфейс. Это решение про
диктовано не сложностью его
реализации, а скорее модульности каждого из элементов модели,
т.е. можно в минимально короткий срок изменить параметры
реализованной модели и запустить её снова. Что безусловно
является одним из главных плюсов данной среды разра
ботки.



39


3.
Выбор способа решения


В среде разработки
AnyLogic
ограничено количество
доступной и используемой
JVM
памяти поэтому решено
реализовывать ограниченное количество моделей для которых
будет проводит
ь
ся оптимизация

(ст.м. Академическая, ст.м. Пл.
Мужества, ст.м. Невский Проспект)
.
Эти ст.м. были выбраны не
случайно. Перекрестки радом с которыми находятся обладают
всеми участками дороги которые встречаются в Санкт
-
Петербурге.
Так же участки дороги имеют 3 степени загр
уженности: 1)
Перекресток ст.м.Академическая


обладает малой
загруженностью;2) Перекресток ст.м. Пл. Мужества


обладает
средней загруженностью;3) Перекресток ст.м.Невский Проспект


обладает большой загруженностью.

Под загруженностью понимается интенсивн
ость
транспортного потока. В ходе работы модели получим данные,
которые будут выражены как визуально, так и численно.








40


4.
Реализация модели в среде
Anylogic


Реализация модели
начинается

с модел
и участка дороги, на
котором будем производить
оптимизацию. Для этого необходимо
скачать спутниковые снимки города нужного масштаба.

Данная работа была произведен с помощью стороннего ПО
-

SAS.Planet[]. Эта программа дает возможность скачивать карту
необходимой местности.


Рис.
15

Внешний вид
SAS
.

и область которая была
скачена для проведения данной работы


Когда карта местности была скачена, нужно выделить
местность которую след
ует
«
склеить
». Почему «склеить», да
потому что скаченная карта состоит из изображений небольшого
размера 256х256, когда для реализации необходимы изображения
высокого разрешения для создания модели максимально
приближенной к реальным условиям.

41



Рис.
16

Как видно на Рис.16 это спутниковый снимок перекрестка
ст.м.Академическая.



Создаем модель в
AnyLogic
.



Заносим скаченный и «склеенный» участок дороги в
модель. Для этого переходим во вкладку «Палитра»>
«Презентация»> элемент «Изображения»
перетаскиваем в
рабочую область, далее выбираем снимки местности.



Дальше начинается построение участка
транспортной сети

по снимку местности.
«Палитра»> «Библиотека дорожного
движения»> «Дорога»



При пересечении дорог автоматически создаются
перекрестки(см.

в список обозначений)



После построения необходимого участка транспортной
сети следует расставить светофоры(см. в список
обозначений) и прикрепить их к определенным
42


перекресткам. В итогу получим участок транспортной сети
который регулируется светофорами.



Наполним дорогу автомобилями. Для этого выбираем
CarSource
(см. в список обозначений)> задаем участок
дороги на котором появится автомобиль
.



Зададим пункт назначения для созданных автомобилей.
Для этого выбираем
(см. в список
обозначений)> задаем у
часток дороги на котором
закончится движение автомобиля.



После того как автомобиль пройдет свой путь он должен
быть удален из транспортной сети. Для этого выбираем
Car
Dispose
(см. в список обозначений)
.

В итоге получим упрощенный вариант задания имитации
т
ранспортного потока(Рис.17):

Рис.
17

Для данной задачи требуется
SelectOutPut
5(см. в список
обозначений), чтобы создать полноценны
й автомобильный
поток(Рис.18) на данном участке дороге:

43



Рис.
18



4.1.
Исследование имитационной модели



До того как начать исследование модели необходимо
выполнить рад шагов для получения оптимальных показателей.

1)

Создадим 6 параметров(см. в список обозначений) и
присвоим им любые положительные значения.

2)

Присвоим фазам свето
фора значения этих параметров.

3)

Создадим тип агента
Car

который обладает визуальным
оформлением и параметром(времяПоявления), так же
данный тип агента будет выполнять действие при
уничтожении(элемет
CarDispose
)
-

main.времяПроезда.add(time()
-
времяПоявления);

time
()
-

время уничтожения; времяПоявления так же
задается(
time
()), но этой переменной соответствует
создание нового агента на дороге, в то время как
time
() в
44


данном выражении означает время выхода агента из
системы.

4)

Далее создается элемент «данные гистогр
аммы»(см. в
список обозначений) с именем времяПроезда.

Этот
элемент в данной модели позволяет отслеживать среднее
время проезда автомобиля по своему пути.

5)

В итоге можно создать оптимизационный тест для
предложенной модели.

Правой кнопкой мыши выбираем
иссл
едуемую модель во вкладке проекты, затем переходим
по вкладке создать и выбираем эксперемент(Оптимизация).

6)

Появится пустое рабочее пространство, на следует
обратить внимание на вкладку Свойства этого
эксперимента. Переходим к параметрам и задаем их тип


д
искретный. Заносим в таблицу минимальное,
максимальное время фазы светофора, а так же шаг с
которым будут варьироваться параметры.

7)

Задается модельное время. Главное чтобы начальное время
не было равно 0, иначе получатся некорректные
результаты. Задается ко
нечное время для варирования
параметров подойдет значение равное 2*(начальное
время), тогда получатся оптимальные результаты за
короткий промежуток времени.

8)

Интерфейс эксперимента создается с помощью кнопки
«Создать интерфейс». Тогда создается минимальный
набор
визуальных компонентов с помощью которых можно
следить за ходом оптимизационного эксперимента.

9)

Заключительной правкой для начала работы с
экспериментальной частью является команда для
вычисления усредненных значений
параметров.
root.времяПроезда.mean(
)

mean
()


команда на нахождение среднего значения
времяПроезда. Целевая функция должна быть выбрана на
минимизацию. Тогда в месте со строкой которую ввели
45


будет находится усредненное минимальное значение фазы
для светофора.

Рис.
19

Результат работы оптимизационного
эксперимента

Задаем значения параметров которые получились в ходе
эксперимента для каждого из параметров. Запускаем
симуляцион
н
ую модель
и смотрим на результат. Как показывает
практика данные значения являются не совсем т
очными, но ни
неверными. Эти цифры достаточно близки к тем значения которые
позволят улучшить дорожную ситуацию для данного участка
транспортной сети. Показателем удачно выполненного
эксперимента является симуляценная модель вкоторой либо не
возникают заде
ржки в транспортном движении, либо они
минимальны, либо есть накопление транспортных средств на
участке дороги но с течением некоторого времени ситуация
нормализуется.

Перейдем к исследованию и корреляции полученных данных.

4.2.
Модель 1(ст.м.Академическая)


46



Рис.
20

Перекресток ст.м.Академическая и часть дороги

Оранжевые круги обозначают место поступления и уничтожени
е
агентов данной модели. Для каж
дого места появления
задается
интенсивность появления.
Для данного участка транспортной сети
и для аналогичных участков интенсивность транспортного потока
350
-
500 машин в час. Было проведено 2 эксперимента с крайними
значения интенсивности прибытия.

Ст.м.Академическая

47


При

интенсивности транспортного потока равной 350.

Рис.
21
времяПроезда(статистические данные
, интенсивность
350
)

Как видно из рисунка среднее время проезда составило 112.653
секунды, а максимальное 348.865. Данный результат не является
удовлетворительным. В ходе работы имитационной модели бы
ло
замечено медленное движение на одном из участков дороги.
Проведем оптимизационный эксперимент и постараемся улучшить
ситуацию.


Рис.
22
времяПроезда(статистические данные после
оптимизационного эксперимента)

48


После оптимизации
удалось улучшить среднее время прохождения
пути автомобиля.

Теперь проведем моделирование с инт
енсивностью 500, п
ри
параметрах, полученных в ходе предыдущего эксперимента.


Рис.
23
времяПроезда(статистические данные,
и
тнтенсивность
5
00)



К
ак видно из результатов моделирования среднее время проезда
160.378, а максимальное 1,098.62. Эти данные можно считать
хорошими т.к. при увеличении интенсивности на 150 едениц/час с
каждой точки появления, разница во времени составляет 52.142.

Прове
дем эксперимент оптимизации для улучшения ситуации.

49



Рис.
24

(статистические данные после оптимизации,
итнтенсивность 500)

Полученные результаты противоречивы. Среднее время
прохождения пути увеличилось, а максимальное время
нахождения
в системе уменьшилось. Этот результат является
удовлетворительным, потому что в данном участке транспортной
сети есть участок дороги с близко расположенными светофорами.
Т.е. как только автомобиль проехал он попадает на еще один
светофор. Следов
ательно его скорость ниже средней возможной. В
итоге происходит накопление на данном участке дороги
-

следовательно пробка. Но стоит обратить внимание на
максимальное время нахождения автомобиля в системе. После
оптимизации это время уменьшилось на 417.576.

Что является
критерием для удачной оптимизации

всего транспортного узла
данной сети.





50


4.3.
Модель 2(ст.м. Пл.Мужества)



Рис.
25

Перекресток ст.м.Пл.Мужества и кольцевой участок
дороги

Оранжевые круги
обозначают место поступления и уничтожение
агентов данной модели. Для каждого места появления задается
интенсивность появления. Для данного участка транспортной сети
и для аналогичных участков интенсивность транспортного потока
500
-
700 машин в час. Было пр
оведено 2 эксперимента с крайними
значения интенсивности прибытия.

В отличии от предыдущей модели здесь задается так же
вероятность постановки
автомобиля на тот или иной
путь(используется более широко
SelectOutput
5). В свойствах
данного элемента есть мозмо
жность задания вероятности
Ст.м.Пл.Мужества

51


появления агента. Например для постановки автомабиля на путь до
самой широкого участка дороги является более вероятным, чем
постановка его с той же вероятностью на путь к дороге
обладающей меньшей пропускной способностью. В итоге

после
задания вероятностей появления автомобилей переходим
непосредственно к эксперименту.

Интенсивность транспортного потока 500

с произвольными
параметрами фаз светофоров.


Рис.
26
времяПроезда(статистические данные,
итнтенсивность
500)

Проведем оптимизационный эксперимент для улучшения ситуации.

52



Рис.
27
времяПроезда(статистические данные после
оптимизации , итнтенсивность 500)

После оптимизационного эксперимента результат намного
улучшился.


Те
перь проведем моделирование с интенсивностью 700, при
параметрах, полученных в ходе предыдущего эксперимента.

В результате эксперимента образовалась пробка, но
среднестатистические данные оказались лучше предыдущих.

53



Рис.
28
ст.м.Пл.Мужества(пробка, интенсивность 700)

54



Рис.
29
времяПроезда(статистические данные, итнтенсивность
700)

Полученные данные противоречивы. С одной стороны
среднее
время проезда уменьшилось, а максимальное время увеличилось.
Но как

раз это и является отличительной чертой данных развязок,
чем меньше максимальное время нахождения на данной развязке
тем лучше, т.к. на данных участках дороги всегда затрудненное
движение. Следовательно чем меньше времени группа автомобилей
находится на д
анной развязке тем лучше, что касается результатов
о среднем времени нахождения то такие данные были получены из
-
за образовавшейся пробки. Некоторой части автомобильного
потока удавалось проходить свой путь, что в итоге привело к
такомурезультату.

Проведем

оптимизационный эксперимент для улучшения ситуации.

55



Рис.
30
времяПроезда(статистические данные после
оптимизации, итнтенсивность 700)

По данным эксперимента можно судить об успешной оптимзации
дан
ного участка транспортной сети.

4.4.
Модель 3(ст.м.Невский Проспект)



Рис.
31

Перекресток ст.м.Невский Проспект

Оранжевые круги обозначают место поступления и уничтожение
агентов данной модели. Для каждого места появления задается
56


интенсивность появления.
Для данного участка транспортной сети
и для аналогичных участков интенс
ивность транспортного потока
700
-
10
00 машин в час.

Интенсивность транспортного потока 700 с произвольными
параметрами фаз светофоров.


Рис.
32
времяПроезда(статистические данные, итнтенсивность
700)

Проведем оптимизационный эксперимент для улучшения ситуации.



Рис.
33
времяПроезда(статистические данные после
оптимиза
ции
, итнтенсивность 700)

57


После оптимизации удалось значит
ельно улучшить дорожную
обстановку на данном участке транспортной сети.

Теперь проведем моделирование с интенсивностью 1000, при
параметрах, полученных в ходе предыдущего эксперимента.


Рис.
34
времяПроезда(статистические данные,
итнтенсивность
1000)

По этим данным можно сказать, что результат прошлой
оптимизации обладает большими возможностями к регулированию
дорожного потока. Если сравнить результаты представленные на
рис.32 и на рис.34
(максимальное время нахождения агента в
сист
еме),

видно что максимальное время нахождения агента в
системе меньше при большей загруженности
, чем при
минимальной загруженности данного участка транспортной сети.

Проведем оптимизационный эксперимент для улучшения ситуации.

58



Рис.
35
времяПроезда(статистические данные после
оптимизации, итнтенсивность 1000)

Результатом оптимизации является уменьшение максимального
времени нахождения агента в системе. Для данного вида участка
транспортной сети это время приемлемо, что касается средне
го, то
этот результат обобщен, т.е. количество машин находящие в
системе оказались в пробке Те автомобили которые сумели пройти
свой путь, их время легло в расчет статистики.

4.5.
Рекомендации на основе полученных данных

Для составления рекомендаций по опти
мизации
транспортного потока города следует представить не только
результат оптимизации, но и значение параметров при которых
данный результат был получен. По параметрам можно оценить
возможность переноса данных из реализованных моделей на
другие участки т
ранспортной сети города.
Наиболее эффективным
оказалось оптимизация при максимальной интенсивности
поступления агентов в систему.




59


Значения параметров для ст.м.Академическая
:

Наименование
параметра

Значение
(
секунды
)

P01

26

P02

30

P11

28

P12

28

P21

28

P22

24

При этих значениях удалось выявит участок дороги
который представляет наибольшую проблему для оптимизации
транспортной сети. Но эти данные очень показательны, их можно
отнести к участкам дороги которые находятся в центре города,
например
:
перек
ресток Семёновской площади где можно
наблюдать похожую ситуацию. В таких случаях следует увеличить
фазу зеленого света для главной дороги, так чтобы автомобиль
смог преодолеть расстояние от одного светофора до другого за
одну фазу. Так же можно сыграть в «
чехарду» светофорами
-

настроить фазы так чтобы при переключении одного светофора в
фазу зеленого свет другой переключался в фазу красного света,
тогда дорожная система будет достаточно сбалансирована чтобы
обслужить большое количество автомобилей. Метод «ч
ехарды»
был реализован в модели на участке с близко расположенными
светофорами. В итоге транспортный поток проходящий на участке
дороги между этими светофорами быстро нормализовавалсяю.

Значение параметров для ст.м.Пл.Мужества
:

Наименование
параметра

Значе
ние
(
секунды
)

P01

32

P02

24

P11

26

P12

42

P21

28

60


P22

24

При этих значениях удалось выявить приоритетные
данные, а именно не среднее время проезда кольца, а наименьшее
максимальное время нахождения автомобиля в системе. Этот
параметр позволяет судить об оптимизации транспортного потока
при изменении фаз светофор
ов. Т.е. из таблицы видно что значения
находятся в достаточно небольшом деопозоне, кроме Р12. Этот
параметр в ходе работы модели позволяет автомобилям быстро
попасть на кольцо. Стоя в очереди неизбежно произойдет
накопление автомобилей на участке дороги, ч
то в свою очередь
осложнит транспортное положение, Поэтому чтобы как можно
больше автомобилей проехали данный участок дороги
P
12
имеет
такое отличное от других значение.

Значение параметров для ст.м.Невский Проспект
:

Наименование
параметра

Значение
(
секунды
)

P01

45

P02

63

P11

75

P12

57

P21

39

P22

66

При этих значениях удалось выяснить что оптимизация
участков транспортной сети центра города стоит доверить
«умным» светофорам. Это устройство обладает либо камерой
которая детектирует автомобили перед ним

и в зависимости от
этого колибрует фазы светофора, либо датчиком который работает
как приемник заявок, аналогией является светофор для пешеходов,
в котором реализован приемник заявок от кнопки которую пешеход
должен нажать чтобы светофор быстрее сменил св
ою фазу на
зеленый свет. Данные которые приведены в таблице для участков
транспортной сети имеющих максимальную нагрузку, являются
лишь ознакомительными. Т.е. по ним можно сделать вывод что
61


транспортный поток такого объема качественно может
обслуживать сис
темы массового обслуживания(прием заявок,
отложенные запросы и т.д.)






Заключение



В существующих системах моделирования транспортных
потоков, где учитывается колоссальное количество физических
параметров, не позволяют проводить эксперименты на большом
количестве агентов(исключение
VISSIM
)
.

При использовании
реализованных моделей в данн
ой работе, не обращая внимания на
ряд не влияющих на результат экспериментов факторов, можно
рассматривать данные участки транспортной сети как модель очень
близкую к реальным условиям.


Таким образом, поставленная задача является
выполненной. На реализов
анных моделях был произведен ряд
экспериментов с различными наборами параметров, что в итоге
позволило оценить корректность работы самих моделей, а также
получение данных на основе которых были сделаны выводы.


62


Список иллюстраций

Рис. 1

................................
................................
................................
.....

13

Рис. 2

................................
................................
................................
.....

14

Рис. 3

................................
................................
................................
.....

15

Рис. 4 Цикл работы сер
виса Яндекс.Пробки

................................
.....

17

Рис. 5
Расположение автомобиля в транспортном потоке

................

18

Рис. 6

................................
................................
................................
.....

18

Рис. 7

................................
................................
................................
.....

19

Рис. 8 Схема разъезда АТС

................................
................................
.

20

Рис. 9
Результаты моделирования при средней интенсивности
входных транспортных потоков на западном и южном
въездах(уровень обслуживания С)

................................
.....................

25

Рис. 10
Скриншот сотого такта моделирования при средней
интенсивности входных транспортных потоков

...............................

26

Рис. 11
Результаты моделирования при высокой интенсивности
входных транспортных потоков на западном и южном въездах
(уровень обслуживания F)

................................
................................
..

26

Рис. 12
Скриншот сотого такта моделирования при высокой
интенсивности входных транспортных потоков

...............................

27

Рис. 13 Схема функционирования ВПК
................................
.............

28

Рис. 14 Наглядный вариант загрузки участка дороги

.......................

31

Рис. 15 Внешний вид
SAS
.

и область которая была скачена
для проведения данной работы

................................
..........................

40

Рис. 16

................................
................................
................................
...

41

Рис. 17

................................
................................
................................
...

42

Рис. 18

................................
................................
................................
...

43

Рис. 19 Результат работы оптимизационного эксперимента

...........

45

Рис. 20 Перекресток ст.м.Академическая и часть дороги

................

46

Рис. 21времяПроезда(статистические данные, инт
енсивность 350)

................................
................................
................................
...............

47

Рис. 22времяПроезда(статистические данные после
оптимизационного эксперимента)

................................
......................

47

Рис. 23времяПроезда(статистические данные, итнтенсивность 500)

................................
................................
................................
...............

48

63


Рис. 24 (статистические данные после оптимизации,
итнтенсивность 500)

................................
................................
............

49

Рис. 25 Перекресток
ст.м.Пл.Мужества и кольцевой участок дороги

................................
................................
................................
...............

50

Рис. 26времяПроезда(статистические данные, итнтенсивность 500)

................................
................................
................................
...............

51

Рис. 27времяПроезда(статистические данные после оптимизации ,
итнтенсивность 500)

................................
................................
............

52

Рис. 28ст.м.Пл.Мужества(пробка, интенсивность 700)

....................

53

Рис. 29времяПроезда(статистические данные, итнтенсивность 700)

................................
................................
................................
...............

54

Рис. 30времяПроезда(статистические данные после оптимизации,
итнтенсивность 700)

................................
................................
............

55

Рис. 31
Перекресток ст.м.Невский Проспект

................................
....

55

Рис. 32времяПроезда(статистические данные, итнтенсивность 700)

................................
................................
................................
...............

56

Рис. 33времяПроезда(статистические данные после оптимизации,
итнтенсивность 700)

................................
................................
............

56

Рис. 34времяПроезда(статистические данные, итнтенсивность 1000)

................................
................................
................................
...............

57

Рис. 35времяПроезда(статистические данные после оптимизации,
итнтенсивность 1000)

................................
................................
..........

58





64


Источники


1.

https://yandex.ru/company/technologies/yaprobki/

2.

http://2013.nscf.ru/TesisAll/Section%208/11_3050_Knyazkov
KV_S8.pdf

3.

https://ops.fhwa.dot.gov/trafficanalysistools/tat_vol2/sectapp_e
.htm#top

4.

http://masters.donntu.org/2013/fknt/sokolyuk/library/Efremov
KuznecovLegovich.htm

5.

VISSIM 4.0 user manual.

6.

http://www.aimsun.com/aimsun.html




Приложенные файлы

  • pdf 25200469
    Размер файла: 2 MB Загрузок: 0

Добавить комментарий